memsearch：OpenClaw同源的记忆系统

有梦就有缘

memsearch：OpenClaw同源的记忆系统


Zilliz 最近开源了 memsearch，从 OpenClaw 的记忆系统里提取出来的，核心思路很干净：Markdown 文件就是记忆的唯一真相。

设计理念：Markdown is the source of truth
Agent 的记忆就是本地文件，按天存，人能读、能改、Git 可以管理版本。索引坏了？删掉重建，原始记忆一行不丢。这是对"数据库黑盒"方案的直接反叛。

三步记忆范式
- Recall：用混合检索（向量语义 + BM25 关键词）从历史记忆里找相关上下文
- Think：把检索结果注入 LLM，做有记忆支撑的推理
- Remember：把这次对话写回 Markdown，自动重新索引

几个工程细节值得关注
- SHA-256 内容哈希去重：内容没变就不重复 embed，大幅降低 API 成本
- 文件监听自动索引： 开启后，文件一保存立刻更新向量库，删文件时对应 chunk 也同步清除
- 多 embedding 引擎：支持 Gemini、Voyage AI、Ollama（本地）、sentence-transformers（离线），换引擎只改配置，历史记忆不影响

和 Mem0 / Zep 的本质区别
Mem0、Zep 把记忆存在数据库里，人看不到、改不了、换供应商就麻烦。memsearch 的记忆就是普通文本文件： 看改动， 查历史，跨机器  同步，零供应商锁定。

主要短板：暂不支持时序关系图谱和多 Agent 共享记忆，适合单 Agent 长期记忆场景，不适合复杂多 Agent 协作系统。

🔑 三个关键点
① Markdown 文件即记忆，人类可读可编辑，彻底解决 AI 记忆的"黑盒"问题
② 混合检索（向量 + BM25）比单纯语义检索精度更高，"Redis 缓存"能精确匹配到相关决策
③ SHA-256 去重 + 文件监听自动索引，工程上几乎是零维护成本

GitHub：github.com/zilliztech/memsearch

#